DruckFin

메타, 한층 더 진화한 프론티어 모델 '뮤즈 원더(Muse Wonder)' 공개… 1,000억 달러 이상 베팅의 전말 드러나

저커버그와 왕, 10월 13일 스트라이프(Stripe) 존 콜리슨 진행 팟캐스트에서 신규 모델, 유료 중심 출시 전략, 기가와트급 AI 인프라의 경제학 상세히 설명

메타 플랫폼스(Meta Platforms)가 완전히 새롭고 훨씬 방대한 사전 학습(pre-train)을 기반으로 구축된 메타 슈퍼인텔리전스 랩스(Meta Superintelligence Labs)의 첫 모델 '뮤즈 원더(Muse Wonder)'를 출시한다. 마크 저커버그(Mark Zuckerberg) CEO와 알렉산드르 왕(Alexandr Wang) 최고AI책임자(CAIO)는 스트라이프(Stripe)의 공동창업자 존 콜리슨(John Collison)과의 장시간 대담을 통해 이 모델과 개발 비용, 상용화 계획에 대해 논의했다. 이번 대담에서 가장 유용한 정보는 메타가 자체 주장한 벤치마크 수치가 아니라, 프로그램의 경제학과 자본을 투입할 당시 회사의 가시성이 얼마나 부족했는지에 대한 솔직한 고백이었다. 콜리슨은 또한 메타 모델이 유통되는 오픈라우터(OpenRouter)를 스트라이프가 인수하고 있으며, 스트라이프가 뮤즈(Muse) 커머스 연동 작업을 맡았다고 언급했다. 투자자들은 이러한 관계를 염두에 두고 그의 질문을 해석해야 할 것이다.

뮤즈 원더: 더 커진 베이스 모델, 유료 이용자에게 선출시

왕 CAIO는 뮤즈 원더를 "프론티어 수준에 도달한 새로운 등급의 모델"이라고 설명했다. 이 모델은 기본형인 '뮤즈 원더'와 고성능 버전인 '뮤즈 원더 풀(Muse Wonder Full)' 두 가지 버전으로 제공된다. 이전의 '뮤즈 스파크(Muse Spark)' 라인업은 작년 말 완료된 사전 학습을 기반으로 구축된 반면, 원더는 별도의 "훨씬 더 방대한" 사전 학습을 바탕으로 하며 메타는 이를 상당 기간 사후 학습(post-training)해왔다. 내부 코드명은 스파크가 '아보카도(Avocado)', 원더는 '수박(Watermelon)'이었다. 저커버그는 회사가 "과일 이름이 바닥났다"며 새로운 작명 규칙이 필요할 것이라고 언급했다.

왕은 원더가 개인 및 전문 에이전트 작업에 대한 메타 자체 평가에서 최첨단(state-of-the-art) 성능을 보인다고 밝혔다. 또한 DeepSWE와 SWE-Marathon에서 리딩 결과를 기록했으며, Terminal-Bench 및 여러 금융·법률 평가에서도 최상위 성과를 거두었다고 주장했다. 메타는 세 가지 설계 우선순위를 강조했다. 첫째는 주변 하네스(harness) 방식이 아닌 모델 자체에 내장된 '액티브 메모리(active memory)'다. 왕은 초기 에이전트 제품의 가장 큰 약점이 메모리였다고 지적하며 오픈클로(OpenClaw)의 장·단기 압축 접근법을 언급했다. 그는 "우리의 평가 결과가 이를 보여주며, 이는 우리가 꽤 자부심을 느끼는 부분"이라면서도 "여전히 개선의 여지가 많다"고 덧붙였다. 둘째는 길고 모호한 작업 전반에 걸쳐 지속성을 유지하는 '액티브 포커스(active focus)'다. 셋째는 금융, 법률, 건강, 세무 등 분야의 전문성으로, 왕은 이를 통해 에이전트가 "곁에 든든한 전문가 팀이 있는 것 같은 느낌"을 줄 것이라고 설명했다.

상용화 일정은 신중하게 접근하고 있다. 원더는 규모가 더 크고 서비스 비용이 많이 들기 때문에, 뮤즈 스파크는 엄청난 양의 무료 토큰 할당량과 함께 무료로 유지되는 반면, 원더는 뮤즈 앱 내의 "유료 구독을 중심으로" 먼저 제공될 것이라고 저커버그는 밝혔다. 원더는 메타 모델 API와 오픈라우터를 통해서도 제공될 예정이다. 뮤즈 코드(Muse Code) 구독자에게는 원더 풀이 제공된다. 저커버그는 메타가 "멀지 않은 시기에" 스파크 폼팩터 수준으로 원더만큼 우수한 모델을 제공하기를 희망한다고 밝혔다. 스파크 형태는 수억 명의 사용자에게 서비스를 제공할 수 있는 버전이기 때문이다. 그때까지는 메타의 최고 성능 모델이 무료 사용자층에게 도달하지 못하며, 회사는 이를 대규모로 서비스할 방안을 여전히 모색하고 있다. 저커버그는 또한 원더의 코딩 성능 향상이 뮤즈 사용자 중 소수에게만 의미가 있을 것이라고 덧붙였다.

메타가 밝힌 벤치마크 과적합(gaming)을 피하는 방법

굿하트의 법칙(Goodhart's Law)과 벤치마크 최대화(benchmaxing)에 대한 질문에 왕은 메타가 훈련 방향을 점차 내부 평가에 맞추고 있다고 답했다. 외부 벤치마크는 "시작하기에 나쁘지 않은 곳"이지만 주로 "생존의 신호를 찾는 용도"로만 유용하다고 그는 설명했다. 그는 벤치마크의 출처에 대해 직설적으로 비판하며, 이에 의존하는 것은 "바이럴 벤치마크를 우연히 만든 박사과정 학생에게 모든 제품 사고를 아웃소싱하는 것"과 같다고 말했다.

메타의 연구 게시물은 '빅 모델 스멜(big model smell)'이라고 명명한 현상을 수치화했다. 이는 RL(강화학습) 및 사후 학습 데이터와 유사한 작업에서의 모델 성능과, 분포 외(out-of-distribution) 작업에서의 성능 간의 격차로 정의된다. 왕은 스파크 라인에서 원더 라인으로 가면서 이 격차가 급격히 줄어들며, 이는 더 강력한 베이스 모델 덕분이라고 설명했다. 이 지표는 메타의 자체 측정치이며 외부 검증을 거치지 않았다. 다만 회사가 단순히 사후 학습의 확장이 아니라 더 큰 사전 학습을 성능 향상의 원천으로 보고 있음을 시사한다. 왕은 새로운 사전 학습 없이 진행되었던 스파크 버전 1에서 1.3으로의 진전을 예로 들며, 강화학습 레시피가 업계 전반에서 빠르게 발전하고 있다고 언급했다. 메타는 사전 학습과 강화학습을 동시에 확장하고 있다고 밝혔다.

저커버그는 제품 철학을 단호하게 요약했다. "모델이 곧 제품"이라는 것이다. 뮤즈에서 어려운 제품 개발 작업은 에이전트가 다루는 데이터에 대한 프라이버시 및 보안 모델을 구축하는 것이며, 성격과 기능은 학습을 통해 구현된다고 그는 설명했다. 그는 의료 상황에 맞춰 식당을 예약할 때처럼, 개인 에이전트에게는 코딩 에이전트보다 '재량권(discretion)'이 훨씬 더 중요한 특성이라고 지적했다. 개인 에이전트는 사용자에 대해 많은 것을 알아야 하지만, 제3자에게는 "최소한의 정보만 공개"해야 한다. 뮤즈에는 모델이나 연산 방식 선택기(effort selector)가 없는데, 이는 업계 전반의 혼란스러운 작명 관행에 빗댄 저커버그의 의도적인 선택이었다.

모델이 존재하기도 전에 내려진 1,000억 달러의 결정

가장 놀라운 폭로는 프로그램 자금 조달 방식이었다. 저커버그는 작년 말, 모델의 실체를 보지도 못한 상태에서 메타가 "뭐, 대략 1,000억 달러, 200억 달러" 수준의 수표를 끊을 준비를 하고 있었다고 밝혔다. 그는 알렉산드르 왕에게 직접 "알렉스, 이거 정말 작동할 거라고 확신해?"라고 물었던 기억을 떠올렸다. 왕은 하와이에서 열린 임원 워크숍에서 수전 리(Susan Li) CFO가 거듭 그를 불러 세우고 "이게 안 되면... 재무적으로 정말, 정말 끔찍해질 것"이라고 말했다고 전했다. 그는 이 상황을 "하드 모드의 기업가 정신"이자 "린 스타트업(Lean Startup)의 정반대"라고 묘사했다. 증거를 기다리는 것은 곧 "근본적으로 뒤처지는 것"을 의미하기 때문이다.

비용 측면에서 저커버그는 거친 업계 표준 수치를 제시했다. 1기가와트(GW) 규모의 클러스터를 1년간 운영하는 데는 약 15억 달러가 소요되며, 구축하는 데는 초기 비용으로 대략 500억~600억 달러가 든다. 스케일링 사다리의 각 단계별 테스트를 포함한 연구 비용은 최종 실행 비용과 대략 맞먹을 것이다. 서비스 비용은 그 위에 추가된다. 그는 자신이 본 재무적 총합을 고려할 때 프론티어 모델을 훈련하는 데 '수십억 달러'는 타당한 추정치라고 말했다. 오하이오주에 있는 메타의 프로메테우스(Prometheus) 클러스터는 1기가와트를 넘어 확장 중이며, 루이지애나주의 헤파이스토스(Hyperion) 클러스터는 5기가와트에 달할 것으로 계획되어 있다. 저커버그는 두 클러스터 모두 MSL이 존재하기 전인 2023년 또는 20좌년에 계획되었다고 밝혔다. 그는 또한 뮤즈 서비스를 위한 데이터 센터 용량은 아직 존재하지도 않는 제품을 위해 수년 전에 미리 확보해야 했다고 덧붙였다.

저커버그는 하방 리스크가 숫자들러 시사하는 것보다 작다고 주장했다. 메타의 모델이 기대에 미치지 못하더라도, 다른 바이어들이 그 기가와트 가격 수준으로 컴퓨팅 용량을 구매할 것이기 때문에 컴퓨팅 자산이 좌초 자산(stranded)이 되려면 "AI 전체가 실패해야만 한다"는 것이다. 이는 경영진의 시각이지 보장이 아니며, 컴퓨팅에 대한 지속적인 산업 수요에 달려 있다.

메타가 비용을 지불할 것이라고 밝힌 방법

이러한 인프라 구축 자금을 어떻게 조달할 것인가에 대한 질문에 저커버그는 네 가지 수익 경로를 꼽았다. 첫째, 원더 액세스로 시작하는 구독 모델. 둘째, 커머스 모델로, 메타가 뮤즈를 통해 사용자가 절약하거나 벌어들인 금액의 "소액 수수료"를 수취하고 소상공인을 위한 '비즈니스 인 어 박스(business in a box)' 에이전트를 제공하는 방식이다. 셋째, API 및 CJ 데사이(CJ Desai)가 이끄는 신규 메타 엔터프라이즈 플랫폼(Meta Enterprise Platform)으로, "우수하고 합리적인 가격의" 원더를 원할 것으로 예상되는 기업들을 겨냥한다. 넷째, "수천억 달러 규모에 여전히 매우 빠르게 성장하고 있는" 핵심 광고 사업으로, 이러한 모델을 통해 성장 속도를 "몇 퍼센트 더 가속화"할 수 있다는 설명이다. 이 중 어떤 항목에 대해서도 구체적인 매출 수치나 일정은 제시되지 않았다.

그는 또한 클라우드에 의존하는 경쟁사들에 비해 회계적 우위가 있다고 언급했다. 메타는 자사 데이터 센터를 자본화하고 감가상각하는 반면, 연구원 급여는 비용 처리된다. 그는 컴퓨팅 제약이 지속되고 있기 때문에 H100 GPU조차 작년보다 현재 더 가치 있다고 말했다. 메타의 명시된 모델은 먼저 10억 명의 사용자를 확보한 후 나중에 수익을 확장하는 것이며, AI가 돈을 벌 수 있을지에 대한 대답은 "반드시 그렇기를 바란다(better be yes)"는 것이다.

에이전틱 커머스: 초기 사용자 행동, 아직은 재무적 지표 아님

저커버그는 뮤즈가 사용자가 구매 과정을 에이전트에 완전히 위임하는 최초의 제품 중 하나라고 밝혔다. 메타는 어떤 가맹점도 별도로 연동 작업을 할 필요가 없도록 브라우저 사용 기능을 모델에 직접 학습시켰으며, 주요 파트너들과 직접 API 연동을 추진하고 있다. 그는 에이전트 연동을 차단하려는 곳보다 깊게 연동하기 위해 연락해 오는 "기업들이 훨씬 더 많다"고 말했다. 그의 개인적인 사례는 딸과 함께하는 주간 베이킹 루틴으로, 뮤즈가 인스타카트(Instacart)를 통해 재료를 주문한다고 했다. 그는 오직 뮤즈를 위해 인스타카트 계정을 만들었으며 현재는 일주일에 한두 번 이 서비스를 사용한다고 전했다. 그의 주장은 자체 계정을 가진 에이전트들이 단순한 점유율 이동을 넘어 커머스의 전체 주소 가능 시장(TAM)을 확장할 수 있다는 것이다. 이는 일화 수준에 불과하며, 메타는 주문량이나 전환율에 대한 데이터를 제공하지 않았다.

저커버그는 서드파티 보고서에 따르면 뮤즈가 지금까지 가장 빠르게 성장하는 에이전트 또는 AI 앱 중 하나일 수 있다고 전했으나, 구체적인 사용자 수치는 제공되지 않았다. 그는 메타가 제품-시장 적합성(PMF)을 향해 반복적으로 개선해 나갈 것으로 예상했기 때문에 출시 시점에 성장 툴링(growth tooling)을 준비하지 않았다고 덧붙였다.

소규모의 인재 밀집형 연구소, 그리고 라마 4에 대한 솔직한 고백

저커버그는 이번 리셋에 대해 가감 없이 밝혔다. 메타는 2025년 4월 4일 라마 4(Llama 4)를 출시했으나 그 궤적에 만족하지 못했고, 약 2주 후 외부 자문가들에게 연락하기 시작했다. 왕 CAIO는 연구팀이 "200명 미만"이며, 인프라 직원을 제외하면 100명에 가깝고, 다른 곳들의 수백 명 규모와 대조를 이룬다고 말했다. 컴퓨팅 자원도 경쟁 프로젝트들에 "땅콩버터 바르듯 얇게 분산(peanut buttered)"시키지 않고 소수의 베팅에 집중시켰다는 것이다. 그는 초기 회의 중 한 곳에서 라마 시대의 리드 개발자가 메타에 추론 모델이 정말 필요한지 물으며 "가슴이 철렁 내려앉는 순간"이었다고 회상했다. 저커버그는 최고 인재들을 채용하기 위해서는 연구소가 완전히 새로 시작하는 느낌을 주어야 했다고 말했다. 그는 또한 연구원들을 만나기 위해 한두 달 동안 일정을 비웠다고 언급했다. 왕은 원더가 8월부터 기획되었으며 초기 사후 학습 성과가 빠르게 나타났고, 이는 좋은 신호라고 덧붙였다.

메타가 AI가 승자독식 구조가 되지 않을 것이라고 주장하는 이유

왕은 2023년에 예측되었던 재귀적 자기 개선(recursive self-improvement)의 폭주 현상은 일어나지 않았다고 밝혔다. 그는 그 이유로 각 연구소의 고르지 않은 실행력과, 프론티어 수준의 성능을 더 작은 모델에 압축해 넣는 '증류(distillation)' 기술을 꼽았다. 이는 "반(反)패권적 힘"이라고 그는 표현했다. 저커버그는 메타가 다른 연구소들보다 개인 및 전문 에이전트에 더 관심을 쏟고 있으며, 이것이 차별점이라고 설명했다. 그는 또한 다양한 모델과 상호 견제 장치가 존재하는 세상이 소수의 기업이 최고의 모델을 통제하는 세상보다 더 안전하다고 덧붙였다. 저커버그는 메타가 "순수 멀티모달 제품"이 될 것으로 예상하는 안경을 위해 앱스토어를 만들지 않을 수도 있으며, 뮤즈 개젯(Muse Gadgets)이 휴대폰 제조사들의 관심을 받고 있다고 전했다.